Документация

Обзор процесса

Функция оптимизации CAGE позволяет вам использовать свои собственные алгоритмы оптимизации в качестве альтернатив библиотечным подпрограммам fmincon, NBI, ga и patternsearch.

Используя пример, этот пример иллюстрирует, как взять существующий алгоритм оптимизации и реализовать его как оптимизационную функцию для использования в оптимизации CAGE.

Проблемой, которая будет решена, является обработанная проблема в качестве примера:

Максимизируйте крутящий момент (TQ) по свободным переменным (SPK, AFR) по заданному набору (N, L'points'. Эти точки заданы в наборе данных New_Dataset, который может быть найден на сеансе CAGE optimworkedexample.cag и может быть импортирован в панель значений фиксированной переменной в представлении Optimization.

Модель крутящего момента, которая будет использоваться, является этим в /mbctraining/Holliday.mat.

Этапы процесса:

Шаги этого учебного вывода вы через серию примеров, иллюстрирующих, как создать код, чтобы включить ваш собственный алгоритм в оптимизацию в CAGE.

Прежде чем вы начнете, необходимо создать рабочую папку.

Шаг 1: проверьте алгоритм

currtutoptim.m файл в качестве примера должен проверить тот fminunc решает обработанную задачу в качестве примера. Можно попробовать это в командной строке MATLAB.

После того, как сообщения о ходе выполнения завершают рабочую область, выход должен напомнить следующее:

BestX =      
       23.768        12.78
       18.179        12.78
       14.261        12.78
       12.014        12.78
       11.439        12.78
       12.535        12.78
       27.477        12.78
       21.887        12.78
       17.969        12.78
       15.722        12.78
       15.147        12.78
       16.243        12.78
       31.185        12.78
       25.595        12.78
       21.677        12.78
        19.43        12.78
       18.855        12.78
       19.951        12.78
       34.893        12.78
       29.303        12.78
       25.385        12.78
       23.138        12.78
       22.563        12.78
       23.659        12.78
       38.601        12.78
       33.012        12.78
       29.093        12.78
       26.847        12.78
       26.271        12.78
       27.368        12.78
       42.309        12.78
        36.72        12.78
       32.802        12.78
       30.555        12.78
       29.979        12.78
       31.075        12.78

Матричный bestX содержит оптимальный SPK и AFR значения, которые максимизируют крутящий момент модели MBC (экспортируемый от Holliday.mat) на скорости и точках загрузки, заданных в матричных данных.

fminunc алгоритм оптимизации в качестве примера, который вы хотите передать CAGE для использования в графический интерфейсе пользователя оптимизации.

Этот пример показывает, как сделать fminunc доступный для использования в функции оптимизации CAGE.

Шаг 2: создайте оптимизационную функцию CAGE

Любой алгоритм оптимизации, который вы хотите использовать в CAGE, должен содержаться в оптимизационной функции. Оптимизационная функция КЛЕТКИ состоит из двух разделов.

Первый раздел задает следующие атрибуты оптимизации:

Второй раздел содержит алгоритм оптимизации.

Открытый mbcOStemplate.m в редакторе MATLAB.

mbcOStemplate.m пустая оптимизационная функция CAGE. Двумя (в настоящее время пустой) разделы функции является options (для определения атрибутов оптимизации) и optimstore (для определения вашего алгоритма оптимизации). Обратите внимание на то, что этот файл может использоваться в качестве шаблона для любой оптимизационной функции, которую вы пишете.

Шаг 3: задайте опции оптимизации

Следующий шаг должен задать атрибуты вашей оптимизации (в Разделе 1 из шаблона).

Открытый mbcOStutoptimfunc_s1.m. В этом файле вы видите атрибуты оптимизации, которые были заданы.

Следующее является фрагментом кода из этого файла:

Атрибуты оптимизации передаются CAGE через cgoptimoptions объект, на который ссылаются опции в коде в mbcOStutoptimfunc_s1.m. Присматривайте за таблицей для деталей cgoptimoptions объект. cgoptimoptions объект имеет набор функций, которые устанавливают атрибуты оптимизации в CAGE. Это - то, где вы задаете имя, описание, свободные переменные, целевые функции, ограничения, наборы данных помощника и параметры оптимизации для оптимизации.

Вышеупомянутый код использовал cgoptimoptions объект (options) установить атрибуты оптимизации как описано в следующей таблице.

Просмотрите код, чтобы определить местоположение перечисленной Секции кода, Где Установлено для каждого атрибута, чтобы видеть, как каждая из опций оптимизации настраивается.

Когда одна из вашей оптимизации создается в графический интерфейсе пользователя CAGE, CAGE сначала вызывает вашу оптимизационную функцию, чтобы задать атрибуты оптимизации. Вызов функции от CAGE имеет форму

optionsobj = <your_optimization_function>('options', optionsobj)

Шаг 4: добавьте алгоритм в оптимизационную функцию

На этом шаге вы завершаете оптимизационную функцию путем добавления алгоритма. Для этого несколько изменений должны быть внесены в код, который вызывает алгоритм, когда данные (например, значения свободной переменной, константы, и так далее) будут теперь переданы и от CAGE, а не от рабочего пространства MATLAB.

Следующие разделы иллюстрируют, как преобразовать существующий алгоритм для использования в CAGE. Обратите внимание на то, что в этом учебном примере, код уже изменяется для вас, чтобы исследовать.

x0 = getInitFreeVal(optimstore);

    [bestx(i, :), notused1, notused2, OUTPUT(i)] = fminunc(trqfunc,
 x0, algoptions); 

    function tq = trqfunc(x)
        
        % Evaluate torque. Note x = [SPK, AFR]
        tq = EvalModel(TQMOD, [x(1), N(i), L(i), x(2)]);
        
        % Maximising torque, so need to return -tq
        tq = -tq;

    end

[bestx, unused, exitFlag, OUTPUT] = fminunc(@trqfunc_new,
 x0, algoptions);

    function y = trqfunc_new(x)
        % Evaluate the torque objective function
        y = -evaluate(optimstore, x);
			end

% Write results to the optimstore
optimstore = setFreeVariables(optimstore, bestx);

% Set termination message
termMsg = OUTPUT.message;
OUTPUT = rmfield(OUTPUT, 'message');

% Set all information in the optimstore and leave
optimstore = setExitStatus(optimstore, exitFlag, termMsg);
optimstore = setOutput(optimstore, OUTPUT);

Шаг 5: укажите свою оптимизационную функцию с CAGE

Обработанный обеспеченный пример предварительно указан так, вы видите его как опцию в Мастере Оптимизации при подготовке новой оптимизации. Необходимо зарегистрировать новые функции, прежде чем можно будет использовать их. Когда вы изменили шаблон, чтобы создать вашу собственную оптимизационную функцию, как в этом примере, необходимо указать его с продуктом Model-Based Calibration Toolbox для того, чтобы использовать функцию в CAGE. Если вы зарегистрировались в своей оптимизационной функции, это появляется в Мастере Оптимизации.

Шаг 6: проверьте свою новую оптимизацию

Чтобы проверить алгоритм, мы настраиваем сеанс CAGE, чтобы запустить оптимизацию, которая выполнялась на шаге 1. В данном примере сеанс CAGE был уже настроен. Выполните шаги ниже, чтобы запустить учебную оптимизацию в CAGE.